PENENTUAN JALUR TERPENDEK MENGGUNAKAN TEKNOLOGI GOOGLE MAPS MASHUPS DENGAN MOBILE SYSTEM ANDROID

Transkripsi

1 menciptaan apliasi merea sendiri untu digunaan oleh bermacam peranti bergera, oleh arena itu Android memilii omunitas besar Satria Prasamya, Ary Mazharuddin pengembang S., S.Kom, M.Comp.Sc program apliasi ("apps") yang Jurusan Teni Informatia, Faultas Tenologi memperluas Informasi, Institut fungsionalitas Tenologi perangat. Sepuluh Nopember Saat ini ada satriaprasamya@gmail.com lebih dari apliasi yang tersedia untu Android. Karena banyanya apliasi dan merupaan platform terbua maa, pasar Android edepannya dipastian aan semain meningat pesat. Perembangan tenologi omuniasi tida sebatas pada telepon seluler saja tetapi mencaup internet sebagai salah satu medianya. Perembangan internet beberapa tahun terahir dengan Web 2.0 sebagai versi World Wide Web telah menawaran onsep baru cara development.,dan usernnya apliasi di internet. Terdapat berbagai macam layanan yang dapat digunaan secara bebas dan online sehingga dapat digunaan untu menunjang apliasi utama yang telah diembangan agar menjadi lebih interatif dan aurat. Salah satu tenologi yang bisa digunaan adalah tenologi live application yang biasa disebut dengan mashup. Saat ini ada banya tenologi mashup yang tersedia. Salah satu yang populer adalah mapping tools beserta geocoding service. Contoh, Google Maps yang memilii emampuan memberian layanan dari mulai peta digital lengap dengan foto satelit. Keistimewaan ini dapat dimanfaatan untu menduung berbagai apliasi sehingga menjadi lebih interatif dan atual. Salah satu apliasi yang aan menjadi lebih interatif yaitu apliasi pencarian jalur (rute) terpende. Apliasi ini sangat dibutuhan arena dalam ehidupan sehari hari sering dilauan perjalanan dari suatu tempat atau ota e tempat yang lain dengan mempertimbangan efisiensi, watu dan biaya sehingga diperluan etepatan dalam menentuan jalur terpende. Permasalahan rute terpende untu mengurangi jara tempuh dapat diategorian sebagai Travelling Salesman Problem (TSP). Berdasaran penelitian M.Dorigo dan M.L Gambardella (1997) dalam penyelesaian asus TSP, terbuti bahwa metode Ant Colony Optimization (ACO) mampu mendapatan hasil tur terbai dibandingan dengan algoritma geneti (GA), Evoluionary Programming(EP), Simulated Annealing(SA), dan Annealing-Genetic Algorithm (AG) Dengan memanfaatan Google map maa proses penentuan sebuah rute terpende aan dapat ditemuan dan tervisualisasi secara detail Oleh arena itu aan dibuat sebuah apliasi yang dapat berjalan pada Android yang dapat memudahan proses pengambilan eputusan dalam pencarian rute terpende dengan memanfaatan Google maps mashups dengan menggunaan metode ACO.. PENENTUAN JALUR TERPENDEK MENGGUNAKAN TEKNOLOGI GOOGLE MAPS MASHUPS DENGAN MOBILE SYSTEM ANDROID Abstra - Penentuan jalur (rute) terpende diperluan arena dalam ehidupan sering dilauan perjalanan dari satu tempat e tempat yang lain dengan mempertimbangan efisiaensi watu, jara tempuh dan biaya. secara umum, terdapat dua metode yang dapat digunaan untu menentuan jalur terpende, yaitu metode onvensional dan metode heuristi. untu menghitung rute yang lebih besar digunaan metode heuristi arena watu yang dibutuan lebih singat. Salah satu mtode yang terenal bai dalam perhitungan rute terpende yang termasu dalam metode heuristi adalah metode Ant Colony Optimization yang diambil dari perilau oloni semut dalam pencarian jalur terpende antara sarang dan sumber maanan. Terinspirasi dari hal tersebut dalam maalah ini aan diimplementasian sebuah apliasi yang berjalan pada mobile system android. Apliasi ini memanfaatan metode ant colony optimization dalam pencarian rute terpende dengan menggunaan tenologi Google Maps. Penggunaan Google Map dirasa tepat mengingat google menyediaan informasi map yang paling lengap diantara penyedia map yang lain. Uji coba ini di lauan melalui beberapa senario, yang mencerminan fitur fitur yang ada di apliasi. Hasil uji coba pada tugas ahir ini juga menunjuan adanya efisiensi watu dengan menggunaan apliasi arena terdapat periraan watu yang disediaan oleh Google Map sehingga berguna bagi user. Kata unci: Jalur terpende, metode Ant Colony, Google Map, Mobile System Android 1. Pendahuluan Kemajuan dunia tenolgi informasi yang begitu cepat ditunjang dengan penemuan dan inovasi telah membawa banya perubahan dalam ehidupan manusia. Hal yang tida luput dari perembangan tenologi adalah telepon seluler. Saat ini, semua produsen berlomba mengembangan pirantinya agar dapat bersaing dipasaran. Salah satu hasil dari perembangan tenologi selular ini adalah lahirnya telepon seluler yang system operasinya menggunaan Android. Android sendiri merupaan system operasi telepon seluler yang berbasis linux. Android menyediaan platform terbua bagi para pengembang buat 1 Satria Prasamya

2 2. Dasar Teori Pada bab ini aan delasan dasar teori yang menjadi dasar pembuatan tugas ahir. Poopoo yang dibahas antara lain masalah optimisasi, pemecahan masalah TSP dengan algoritma Ant Colony serta Google Map Optimisasi Secara umum, masalah pencarian jalur terpende dapat diategorian e dalam masalah optimisasi. Pengertian nilai optimisasi adalah suatu proses untu mencapai hasil yang ideal atau optimal (nilai efetif yang dapat dicapai). Dalam disiplin matematia, optimisasi meruju pada studi permasalahan yang mencoba untu mencari nilai minimal atau masimal dari suatu fungsi nyata. Untu dapat mencapai nilai optimal bai minimal atau masimal tersebut, secara sistematis dilauan pemilihan nilai variabel integer atau nyata yang aan memberian solusi optimal. Nilai optimal dapat dicari dengan dua cara, yaitu: Cara onvensional, yaitu mencoba semua emunginan yang ada dengan mencatat nilai yang didapat,cara ini urang efetif, arena optimasi aan berjalan secara lambat Cara edua adalah metode heuristi yaitu menggunaan suatu rumus sehingga nilai optimal dapat diperiraan dengan cepat dan tepat. Salah satu metode heuristic adalah algoritma Ant Colony Optimization. Algoritma ini merupaan salah satu algoritma terbai dalam masalah pencarian jalur terpende seperti Travelling Salesman Problem(TSP) Penyelesaian TSP Menggunaan Algoritma Semut TSP adalah salah satu tea-tei optimisasi yang cuup terenal dialangan peneliti dan pecinta matematia selamabertahun-tahun.merea berlomba untu mencari penyelesaian asus TSP dengan teninya masing-masing. Teni yang cuup terenal adalah simulated annealing, genetic algorithm, and ant colony optimization (algoritma semut). Dalam tugas ahir ini aan membahas teni yang terahir, yaitu algoritma semut. Algoritma semut atau Ant Colony Optimization telah digunaan untu mencari lintasan optimal padatravelling Salesman Problem (TSP). Dalam algoritma semut, diperluan beberapa variabel dan langah-langah untu menentuan jalur terpende, yaitu: Langah pertama adalah menginisialisasi harga parameter dari algoritma dan inisialisasi ota pertama setiap semut.. Parameter-parameter yang di inisialisasian adalah : 1. Intensitas jeja semut antar ota dan perubahannya ( τ ) 2. Banya ota (n) termasu oordinat (x,y) atau jara antar ota ( d ) 3. Kota berangat dan ota tujuan 4. Tetapan silus-semut (Q) 5. Tetapan pengendali intensitas jeja semut (α), nilai α 0 6. Tetapan pengendali visibilitas (β), nilai β Visibilitas antar ota η = d 8. Banya semut (m) 9. Tetapan penguapan jeja semut (ρ), nilai ρ harus > 0 dan < 1 untu mencegah jeja pheromone yang ta terhingga. 10. Jumlah silus masimum (NCmax) bersifat tetap selama algoritma dalanan, sedangan τ aan selalu diperbaharui harganya pada setiap silus algoritma mulai dari silus pertama (NC=1) sampai tercapai jumlah silus masimum (NC=NCmax) atau sampai terjadi onvergensi. Selanjutnya inisialisasi ota pertama setiap semut yang ditempatan pada ota pertama tertentu secara aca. Langah edua adalah pengisian ota pertama e dalam tabu list. Hasil inisialisasi ota pertama setiap semut dalam langah 1 harus diisian sebagai elemen pertama tabu list. Hasil dari langah ini adalah terisinya elemen pertama tabu list setiap semut dengan indes ota tertentu, yang berarti bahwa setiap tabu(1) bisa berisi indes ota antara 1 sampai n sebagaimana hasil inisialisasi pada langah 1. Setelah itu langah emudian adalah penyusunan rute unjungan setiap semut e setiap ota. Koloni semut yang sudah terdistribusi e sejumlah atau setiap ota, aan mulai melauan perjalanan dari ota pertama masing-masing sebagai ota asal dan salah satu ota-ota lainnya sebagai ota tujuan. Kemudian dari ota edua masing-masing, oloni semut aan melanjutan perjalanan dengan memilih salah satu dari ota-ota yang tida terdapat pada tabu sebagai ota tujuan selanjutnya. Perjalanan oloni semut berlangsung terus menerus sampai semua ota satu persatu diunjungi atau telah menempati tabu. Jia s menyataan 2 Satria Prasamya

3 Ρ indes urutan unjungan, ota asal dinyataan sebagai tabu(s) dan ota-ota lainnya dinyataan sebagai {N-tabu}, maa untu menentuan ota tujuan digunaan persamaan probabilitas ota untu diunjungi sebagai beriut : = ' { N α [ τ ] [ η ] α [ τ ] [ η ] i ' tabu } β β i ' untu j J Ρ = 0 u ntu j lainnya Dimana J adalah himpunan titi j yang aan diunjungi semut yang berada pada titi i. Langah selanjutnya terbagi e dalam tiga bagian yaitu a. Perhitungan panjang rute setiap semut. Perhitungan panjang rute tertutup (length closed tour) atau L setiap semut dilauan setelah satu silus diselesaian oleh semua semut. Perhitungan ini dilauan berdasaran tabu masing-masing dengan persamaan beriut : L = d tabu ( n), tabu (1) + n 1 s= 1 d tabu ( s), tabu ( s+ 1) b. Pencarian rute terpende. Setelah L setiap semut dihitung, aan didapat harga minimal panjang rute tertutup setiap silus atau LminNC dan harga minimal panjang rute tertutup secara eseluruhan adalah atau Lmin. c.perhitungan perubahan harga intensitas jeja ai semut antar ota. Koloni semut aan meninggalan jejajeja ai pada lintasan antar ota yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat, menyebaban emunginan terjadinya perubahan harga intensitas jeja ai semut antar ota. Persamaan perubahan ini adalah m τ = τ = 1 Dengan τ adalah perubahan harga intensitas jeja ai semut antar ota setiap semut yang dihitung berdasaran persamaan : τ = Q untu (i,j) ota asal L dan ota tujuan dalam tabu τ = 0 untu (i,j) lainnya Langah selanjutnya terbagi dalam dua tahapan yaitu : a. Perhitungan harga intensitas jeja ai semut antar ota untu silus selanjutnya. Harga intensitas jeja ai semut antar ota pada semua lintasan antar ota ada emunginan berubah arena adanya penguapan dan perbedaan jumlah semut yang melewati. Untu silus selanjutnya, semut yang aan melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas jeja ai semut antar ota untu silus selanjutnya dihitung dengan persamaan : τ = ρ τ + τ b.atur ulang harga perubahan intensitas jeja ai semut antar ota. Untu silus selanjutnya perubahan harga intensitas jeja semut antar ota perlu diatur embali agar memilii nilai sama dengan nol. Langah terahir adalah Pengosongan tabu list, dan ulangi langah 2 jia diperluan. Tabu list perlu diosongan untu diisi lagi dengan urutan ota yang baru pada silus selanjutnya, jia jumlah silus masimum belum tercapai atau belum terjadi onvergensi. Algoritma diulang lagi dari langah 2 dengan harga parameter intensitas jeja ai semut antar ota yang sudah diperbaharui Google Map Untu menambahan Google Map edalam website dapat dilauan dengan menggunaan Google Map API. Google Maps API dapat ditambahan e website menggunaan JavaScript. API tersebut menyediaan banya fasilitas dan utilitas untu memanipulasi peta dan menambahan onten e peta melalui berbagai layanan, memunginan untu membuat apliasi peta yang uat pada website user. Pengetahuan yang diperluan untu mengembangan Google Maps API adalah tentang HTML dan JavaScript, sedangan peta sudah disediaan oleh Google. Jadi developer hanya beronsentrasi tentang data dan urusan peta ditangani oleh Google, sehingga dapat menghemat watu. Agar peta dapat ditampilan e dalam website, maa diharusan mempunyai account Google, emudian mendaftaran diri dahulu di Hal ini bertujuan untu mendapatan Google Maps API ey. 3. Metodologi Pada bab ini aan delasan hal-hal yang beraitan dengan perancangan sistem yang aan dibuat yang aan dibuat dalam Tugas Ahir ini, 3 Satria Prasamya

4 dimulai dari desripsi umum mengenai perangat luna yang aan dibuat, perancangan prosesproses yang ada, dan alur proses 3.1 Arsitetur Sistem Pada sistem apliasi ini, tida hanya melibatan 1 perangat mobile Android, melainan juga berinterasi dengan server google map selau penyedia googlemap API dan juga server husus sebagai penyedia script yang aan dalanan pada apliasi ini Gambar 3.1 Arsitetur Sistem Alur dari arsitetur pada Gambar 3.1 yaitu apliasi pada Android memberian request e server apliasi untu mendapatan script yang aan dalanan di perangat mobile Android. Setelah script apliasi ter-download maa apliasi siap dalanan. Ketia apliasi sudah dalanan yang beerja hanya perangat mobile Android dan Google Map Server melalui googlemap API yang telah disediaan oleh Google.Googlemap API bertugas dalam menyediaan data peta (map) beserta data-data penunjang lain seperti oordinat suatu node, jara antar node, nama jalan dan sebagainya. Sedangan perangan mobile Android bertugas mengolah data yang diambil dari googlemap untu diproses dalam algoritma ant colony optimization dan untu menampilan hasilnya dalam bentu peta, menggunaan bantuan googlemap API lagi sehingga dapat dilihat oleh user Arsitetur Perangat Luna Pada sistem ini apliasi terbagi 2 bagian utama, yaitu apliasi mobile (starter) dan apliasi web (html + javascript). Apliasi starter aan memanggil apliasi web sesuai URL yang sudah ditentuan. Apliasi starter hanya seperti sebuah frame yang menampilan apliasi web. Pada apliasi web terdapat gambar peta, tombol-tombol dan onfigurasi untu menjalanan apliasi ini. Selain user interface, pada apliasi web terdapat juga script yang aan digunaan untu mengimplementasian algoritma ant colony dan juga script untu menjalanan fungsi-fungsi dari Google Map API. 4. Implementasi Sistem Apliasi mobile pada sistem ini dibangun dengan bahasa java dalam framewor Android. Apliasi ini berguna hanya sebagai frame yang menampilan apliasi web based. Beriut potongan pseudo code : /* webview initialitation */ setupwebview() /* Set Javascript enable on webview */ webview.setjavascriptenable := true /* Web View Request to URL */ webview.loadurl := MAP_URL /* Get Location From GPS */ location := getsystemlocation() /* view map location from current location */ webview.loadurl( javascript:setcenter(location.lat, location.lng, 10) ); Gambar3.2 Fungsi frame yang menampilan apliasi web pada Android Beriut ini pengambilan data cost dari google : Set nextabove := -1 Set index := currind For i:=curr + 1 to length(waypoints) do Set index := index + 1 If nextabove = -1 then Set nextabove := i Else My_cost[currInd][index]:= cost[distindex++] My_cost[index][currInd]:= cost[distindex++] End-if End-for If nextabove!= -1 then My_cost[currInd][currInd+1]:=cost[distIndex++ ] getwaystr(nextbove) My_cost[currInd+1][currInd]:=cost[distIndex++ ] Gambar3.3 Pengambilan data cost 4.1 Implementasi Algoritma Ant Colony Setelah data table cost (array 2 dimensional) siap, data tersebut diolah dalam algoritma Ant Colony agar diperoleh bestpath yang aan digunaan sebagai pedoman jalur terpende dalam Traveling Salesmen Problem. Beriut potongan pseudocode procedure ACO algorithm for TSPs while (termination condition not met) do ConstructAntSolutions UpdatePheromones Endwhile End procedure ACO ALgortihm fot TSPs Gambar3.4 Pseudocode Ant Colony Setelah data cost diolah di algoritma ant colony maa aan didapatan bestpath,untu menampilannya : Set waystr is array 1 dimensional For i:=0 to length(bestpath) do waystr.push(waypoints[bestpath[i]]); End-for googledirectionapi.loadfromwaypoints(waystr, avoid_highways, travel_mode) Gambar3.5 Menampilan hasil Ant Colony pada peta 4 Satria Prasamya

5 5. Ujicoba dan Evaluasi Pada bagian ini aan dibahas mengenai uji coba dan evaluasi perangat luna. Pembahasan meliputi uji coba, penjelasan mengenai senario pengujian dan hasil uji coba. Perangat luna ini diuji coba dari segi fungsionalitas dan performa etia dalanan 5.1. Uji Coba Fungsionalitas Uji coba ini dilauan untu melihat apaah fungsi-fungsi dasar dari perangat luna ini berjalan sebagaimana mestinya atau tida Fungsi Fitur One Way Trip Setelah node loasi yang ingin dituju telah diinputan pada layar maa user dapat memilih fitur pencarian. Fitur one way trip aan mencari rute terpende dimana loasi yang pertama diinputan adalah loasi awal dan loasi terahir menjadi loasi tujuan. Ujicoba dilauan dengan 3 node. Hasilnya sebagai beriut : Fungsi Fitur Roundtrip Selain fitur one way trip, terdapat juga fitur roundtrip yang dapat digunaan oleh user. Fitur roundtrip ini merupaan implementasi dari TSP. Dibawah ini ujicoba fitur roundtrip dengan menggunaan inputan loasi yang sama dengan fitur one way trip. Beriut ini Gambar hasil ujicoba fitur roundtrip : Gambar 5.3 Fitur roundtrip dan directions Sama halnya dengan fitur one way trip, fitur roundtrip juga dapat dilauan by waling. Beriut ujicoba fitur roundtrip by waling: Gambar 5.1 Fitur Oneway trip dan directions Selain itu fitur ini bisa ditempuh dengan jalan (by waling). Hasilnya sebagai beriut: Gambar5.4 Fitur round trip by waling dan directions Gambar diatas menunjuan sama halnya dengan fitur waling di one way trip, fitur waling dengan roundtrip mempunyai total jara yang lebih sediit dibandingan by driving Gambar5.2 Fitur Oneway trip by waling dan directions Dari Gambar diatas dapat dilihat jara tempuh total dan rute yang ditempuh dari fitur one way trip by waling lebih ecil dibandingan fitur one way trip by driving hal ini disebaban berbedanya ases jalan yang dapat ditempuh oleh eduanya Ujicoba Performa Ujicoba ini untu melihat ecepatan apliasi dalam menampilan rute terhadap inputan loasi : Tabel 5.1 Ujicoba Performa One Way Trip One Way Trip NO Jumlah Loasi t (s) Satria Prasamya

6 Tabel 5.2 Ujicoba Performa Round Trip Round trip NO Jumlah Loasi t (s) Dari data hasil ujicoba table 5.1 dan 5.2 diatas diatas dapat dilihat bahwa ecepatan apliasi ant22 dalam menampilan rute terpende pada fitur one way trip maupun roundtrip tergantung dari jumlah inputan ota yang dimasuan. Semain banya ota yang diinputan maa proses dalam mengolah dan menampilan rute terpende aan semain lama. 6. Kesimpulan Dari hasil pengamatan selama perancangan dan implementasi perangat luna dapat diambil esimpulan sebagai beriut : 1. Sistem yang dibuat mampu memenuhi tujuan awal pembuatan apliasi yaitu mampu menampilan rute terpende dari inputan beberapa loasi bai secara roundtrip maupun one way trip. 2. Perangat luna ini dapat berjalan pada mobile system android dan menduung onesi 3G. 3. Kecepatan menampilan suatu rute pada map tergantung pada jumlah ota yang diinputan, provider dan estabilan onesi internet. 4. Berdasaran uji coba, semain ecil jumlah ota yang dimasuan maa semain cepat apliasi menampilan rute terpende pada map. [7] Mutahiroh, I., Saptono, F., Hasanah, N., dan Wiryadinata, R,. (2007). Pemanfaatan Metode Heuristi Dalam Pencarian Jalur Terpende Denga Algoritma Semut Dan Algoritma Genetia. Seminar Nasional Apliasi Tenologi Informasi. ISSN: Yogyaarta [8] Saputra, Bhagas Arga(2010). Implementasi Google Translate API pada Mobile Phone Menggunaan J2ME. Surabaya 7. Daftar Pustaa [1] mentation/javascript/v2/reference.html tentang Google Map API [2] Ibnu Sina Wardy, Penggunaan Graf dalam Algoritma Semut untu Melauan Optimisasi, ITB Bandung [3] J. Wilson, Robin and J. Watins, John (1992), GRAPH. University Press IKIP Surabaya. [4] Kapov, Nina Sorin.2010.Heuristic Optimization Methods: Ant Colony Optimization. [5] M. Dorigo dan L.M. Gambardella (1997), Ant Colony for the Travelling Salesman Problem, Cambridge, Massachussets. London, England [6] Mulyadi (2010), Membuat Apliasi Android. Yogyaarta 6 Satria Prasamya